CN117952823A - 一种露天矿区坡面顶底线自动提取、分类和更新方法 - Google Patents
一种露天矿区坡面顶底线自动提取、分类和更新方法 Download PDFInfo
- Publication number
- CN117952823A CN117952823A CN202410346181.7A CN202410346181A CN117952823A CN 117952823 A CN117952823 A CN 117952823A CN 202410346181 A CN202410346181 A CN 202410346181A CN 117952823 A CN117952823 A CN 117952823A
- Authority
- CN
- China
- Prior art keywords
- slope
- mining area
- dimensional
- classification
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 71
- 238000000605 extraction Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 54
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 241000905137 Veronica schmidtiana Species 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种露天矿区坡面顶底线自动提取、分类和更新方法,涉及智慧矿山技术领域,包含:针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;依据全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;依据坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。本发明能够实现高效的露天矿区坡面顶底线提取,实现基于图像运算的坡顶线与坡底线分类,实现基于多智能体的坡面顶底线动态更新,不需人工参与,属于自动化的露天矿区坡面顶底线提取、分类和更新完整解决方案。
Description
技术领域
本发明涉及智慧矿山技术领域,具体地说,涉及一种露天矿区坡面顶底线自动提取、分类和更新方法。
背景技术
目前的技术发展主要集中在倾斜摄影测量技术及其相关建模软件的应用,这些技术通过无人机航拍和解算软件,能够快速获取露天矿坑的三维点云数据,结合专业的建模软件,这些数据可以被转化为露天矿坑DEM(数字高程模型)三维模型。这些模型对于露天矿山的开采设计、排产计划、采剥量计算以及路网规划等方面极为重要,特别是坡面的顶底线在这些应用中扮演了关键角色。
然而,传统的坡面顶底线提取方法大多依赖于人工操作,效率低且耗时长。现有技术中虽然有针对DEM三维模型的特征线提取研究,如基于规则格网DEM的地形特征提取算法,和基于曲率突变分析的点云特征线提取方法等,但这些方法并不能直接应用于露天矿区坡面顶底线的提取。露天矿坑的地形特征与传统地形特征线存在显著差异,导致这些现有方法在适应矿区地形方面存在局限性。此外,关于坡面顶底线的分类和更新问题,目前的研究相对有限,大多数情况下仍依赖于人工处理。
总的来说,现有技术在提取露天矿坑坡面顶底线方面存在效率低下、无法适应矿区地形特征。同时在露天矿坡面顶底线的分类和更新方面,大多数情况下仍依赖于人工处理。因此,迫切需要开发更高效、自动化的方法,能够快速提取坡面顶底线,并进行分类和更新,以满足当前数字矿山发展的需求。
针对现有技术的问题,本发明提供了一种露天矿区坡面顶底线自动提取、分类和更新方法。
发明内容
针对目前现有技术的问题,本发明提供了一种露天矿区坡面顶底线自动提取、分类和更新方法,所述方法包含:
针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;
依据所述全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;
依据所述坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
根据本发明的一个实施例,通过以下步骤得到所述全局点云数据以及所述局部点云数据:
对目标矿区进行首次全局采集,得到全局定位数据以及全局激光雷达数据;
通过所述全局定位数据对所述全局激光雷达数据进行拼接,得到所述全局点云数据;
对目标矿区进行日常局部采集,得到局部定位数据以及局部激光雷达数据;
通过所述局部定位数据对所述局部激光雷达数据进行拼接,得到所述局部点云数据。
根据本发明的一个实施例,通过以下步骤得到所述全矿区二维高程图:
将所述全局点云数据以及所述局部点云数据进行鸟瞰视角投影,计算得到每个点在图像中的像素坐标,并将每个点的z轴坐标值作为像素值进行存储,得到全局二维高程图以及局部二维高程图;
如果处于更新阶段,根据所述局部二维高程图的所述像素坐标替换所述全局二维高程图中的对应区域,得到更新后的所述全矿区二维高程图。
根据本发明的一个实施例,通过以下表达式计算得到每个点在图像中的像素坐标:
;
其中:(x_idx, y_idx)表示点经过鸟瞰投影后的像素坐标;(x, y, z)表示点的三维点云坐标;res为鸟瞰投影的分辨率。
根据本发明的一个实施例,基于图像的所述坡面提取运算包含以下步骤:
基于所述全矿区二维高程图,进行基于图像的标准差运算,得到二维标准差图;
使用标准差阈值对所述二维标准差图进行阈值分割,得到平整度二值图;
对所述平整度二值图进行滤波,使用面积阈值去除噪声区域,得到坡面二值图;
使用边缘检测算法检测所述坡面二值图中的坡面边缘,得到所述坡面边缘二值图像。
根据本发明的一个实施例,通过以下表达式进行基于图像的标准差运算,得到所述二维标准差图:
;
其中:X1表示第一中间结果;Mean表示对图像进行均值滤波;X表示全矿区二维高程图;X2表示第二中间结果;X3表示二维标准差图;Sqrt表示对图像进行平方根运算;平方、平方根、减分别表示对图像进行逐个像素的平方、开方、减运算。
根据本发明的一个实施例,基于图像的所述坡面顶底线分类运算包含以下步骤:
基于所述坡面边缘二值图,进行基于图像的顶底线分类运算,得到二维坡面顶底线数据,其中,所述二维坡面顶底线数据中像素值小于零的为坡顶线,大于零的为坡底线;
依据所述二维坡面顶底线数据,进行鸟瞰投影的逆投影处理,得到坡面顶底线三维点云数据;
针对所述坡面顶底线三维点云数据,进行有序化以及拟合,得到所述坡面顶底线矢量数据。
根据本发明的一个实施例,通过以下表达式进行基于图像的顶底线分类运算,得到所述二维坡面顶底线数据:
;
其中:Y1表示边缘高程图;E表示坡面边缘二值图;•表示逐像素相乘操作;X表示全矿区二维高程图;Y2表示边缘平均高程图;Mean表示对图像进行均值滤波;Y3表示二维坡面顶底线数据;-代表逐像素减操作。
根据本发明的另一个方面,还提供了一种存储介质,其包含用于执行如上任一项所述的方法步骤的一系列指令。
根据本发明的另一个方面,还提供了一种露天矿区坡面顶底线自动提取、分类和更新系统,执行如上任一项所述的方法,所述系统包含:
更新模块,其针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;
提取模块,其依据所述全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;
分类模块,其依据所述坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
本发明提供了一种露天矿区坡面顶底线自动提取、分类和更新方法,与现有技术相比,具备以下优势:
1)本发明将原本复杂耗时的三维空间标准差计算过程转化为基于图像的标准差运算,使得运算过程十分高效,能够大大提升运算效率;
2)本发明将原本复杂耗时的坡顶处局部邻域求z轴平均值的计算过程转化为基于图像的顶底线分类运算,使得运算过程十分高效,只需要通过像素值的大小就能够快速实现坡顶线与坡底线的分类;
3)本发明能够实现日常更新,能够实现坡面顶底线数据点的增量更新;
4)本发明能够实现高效的露天矿区坡面顶底线提取,实现基于图像运算的坡顶线与坡底线分类,实现基于多智能体的坡面顶底线动态更新,不需人工参与,属于自动化的露天矿区坡面顶底线提取、分类和更新完整解决方案。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。
图1显示了根据本发明的一个实施例的一种露天矿区坡面顶底线自动提取、分类和更新方法的步骤流程图;
图2显示了根据本发明的一个实施例的一种露天矿区坡面顶底线自动提取、分类和更新方法的过程框架图;
图3显示了根据本发明的一个实施例的坡面纵剖面示意图。
附图中,相同的部件使用相同的附图标记。另外,附图并未按照实际的比例绘制。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图对本发明实施例作进一步地详细说明。
传统的坡面顶底线提取方法大多依赖于人工操作,效率低且耗时长。现有技术中虽然有针对DEM三维模型的特征线提取研究,如基于规则格网DEM的地形特征提取算法,和基于曲率突变分析的点云特征线提取方法等,但这些方法并不能直接应用于露天矿区坡面顶底线的提取。露天矿坑的地形特征与传统地形特征线存在显著差异,导致这些现有方法在适应矿区地形方面存在局限性。此外,关于坡面顶底线的分类和更新问题,目前的研究相对有限,大多数情况下仍依赖于人工处理。
总的来说,现有技术在提取露天矿坑坡面顶底线方面存在效率低下、无法适应矿区地形特征。同时在露天矿坡面顶底线的分类和更新方面,大多数情况下仍依赖于人工处理。因此,迫切需要开发更高效、自动化的方法,能够快速提取坡面顶底线,并进行分类和更新,以满足当前数字矿山发展的需求。
针对现有技术的上述缺陷,本发明提出坡面顶底线提取、分类及更新的整体解决方案,整个过程无须人工介入,完全自动化,通过基于图像的坡面顶底线提取和分类,大大缩短了时间;并且,由于计算过程基于图像运算,十分高效。本发明还能够直接基于图像进行增量更新。
图1显示了根据本发明的一个实施例的一种露天矿区坡面顶底线自动提取、分类和更新方法的步骤流程图。
如图1所示,在步骤S1中,针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图。
在一个实施例中,步骤S1中,通过以下步骤得到全局点云数据:对目标矿区进行首次全局采集,得到全局定位数据以及全局激光雷达数据;通过全局定位数据对全局激光雷达数据进行拼接,得到全局点云数据。
具体来说,对目标矿区进行首次采集时使用无人机对全矿范围进行扫描,得到相应的GNSS/INS(卫星—惯导组合定位系统)数据(全局定位数据)以及激光雷达数据(全局激光雷达数据)。利用得到的GNSS/INS数据对激光雷达数据进行拼接,得到全局点云地图(全局点云数据)。
在一个实施例中,步骤S1中,通过以下步骤得到局部点云数据:对目标矿区进行日常局部采集,得到局部定位数据以及局部激光雷达数据;通过局部定位数据对局部激光雷达数据进行拼接,得到局部点云数据。
具体来说,在日常更新过程中,使用矿车或者挖机进行局部区域的数据采集,得到相应的GNSS/INS数据(局部定位数据)以及激光雷达数据(局部激光雷达数据)。利用得到的GNSS/INS数据对激光雷达数据进行拼接,得到局部点云地图(局部点云数据)。
进一步地,矿车或挖机的数据采集任务由云端管理平台下发任务进行采集。
在一个实施例中,步骤S1中,通过以下步骤得到全矿区二维高程图:将全局点云数据以及局部点云数据进行鸟瞰视角投影,计算得到每个点在图像中的像素坐标,并将每个点的z轴坐标值作为像素值进行存储,得到全局二维高程图以及局部二维高程图;如果处于更新阶段,根据局部二维高程图的像素坐标替换全局二维高程图中的对应区域,得到更新后的全矿区二维高程图。
在一个实施例中,通过以下表达式计算得到每个点在图像中的像素坐标:
(1);
其中:(x_idx, y_idx)表示点经过鸟瞰投影后的像素坐标;(x, y, z)表示点的三维点云坐标;res为鸟瞰投影的分辨率。
具体来说,利用公式(1)计算每一个点在图像中的坐标,并将z轴坐标值作为像素值进行存储,得到全局二维高程图以及局部二维高程图。如果处于更新阶段,则由矿车或挖机数据中生成局部二维高程图,根据像素坐标直接替换掉全局二维高程图中的对应区域,得到更新后的全矿区二维高程图。
如图1所示,在步骤S2中,依据全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图。
在一个实施例中,步骤S2中,基于图像的坡面提取运算包含步骤S21-S24。
在步骤S21中,基于全矿区二维高程图,进行基于图像的标准差运算,得到二维标准差图。
现有技术中,三维空间中的点的标准差计算公式为(只需要考虑z轴方向):
(2);
其中,为该点的标准差,/>是该点的n个最近邻点的z值,/>为所有z值的平均值。
根据公式(2)在三维空间求每个点的标准差是十分耗时的,因此本发明将求标准差的过程转化为图像操作,使得运算变得十分高效。
具体来说,本发明通过以下表达式进行基于图像的标准差运算,得到二维标准差图,二维标准差图反映了露天矿在z轴方向的局部变化强度:
(3);
其中:X1表示第一中间结果;Mean表示对图像进行均值滤波,卷积核大小与预定义的领域大小相关;X表示全矿区二维高程图;X2表示第二中间结果;X3表示二维标准差图;Sqrt表示对图像进行平方根运算;平方、平方根、减分别表示对图像进行逐个像素的平方、开方、减运算。
本发明提供的公式(3)等价于体素下采样后的点云的标准差的计算,得益于图像运算的并行计算能力,使得标准差的运算效率大大提升。
在步骤S22中,使用标准差阈值对二维标准差图进行阈值分割,得到平整度二值图。具体来说,坡面相对于其他区域在z轴方向上的局部变化是更加明显的,反映到二维标准差图中就是坡面处的像素值更大,而道路处的像素值较小。因此,使用预先设定的(标准差)阈值对二维标准差图进行阈值分割,保留标准差较大的区域,得到的结果在本发明中称为平整度二值图。
需要说明的是,标准差阈值的选取可以根据实际情况进行设置,本发明不对标准差阈值的选取做出限制。
在步骤S23中,对平整度二值图进行滤波,使用面积阈值去除噪声区域,得到坡面二值图。具体来说,由于噪声或者是石块等影响,非坡面处的标准差也可能很大,因此被保留在平整度二值图中。在此,借助坡面所占据的面积是远大于其余噪声区域的先验知识,对平整度二值图进行滤波,根据预先设定的面积阈值去除噪声区域,得到坡面二值图。
需要说明的是,面积阈值的选取可以根据实际情况进行设置,本发明不对面积阈值的选取做出限制。
在步骤S24中,使用边缘检测算法检测坡面二值图中的坡面边缘,得到坡面边缘二值图像。具体来说,通过坡面二值图,坡面被很好的分割出来,因此应用任意的边缘检测算法即可检测出坡面的边缘。例如Canny边缘检测算法。
需要说明的是,边缘检测算法的选取可以根据实际情况进行设置,本发明不对边缘检测算法的选取做出限制。
如图1所示,在步骤S3中,依据坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
在一个实施例中,步骤S3中,基于图像的坡面顶底线分类运算包含步骤S31-S33。
在步骤S31中,基于坡面边缘二值图,进行基于图像的顶底线分类运算,得到二维坡面顶底线数据,其中,二维坡面顶底线数据中像素值小于零的为坡顶线,大于零的为坡底线。
在一个实施例中,通过以下表达式进行基于图像的顶底线分类运算,得到二维坡面顶底线数据:
(4);
其中:Y1表示边缘高程图;E表示坡面边缘二值图;•表示逐像素相乘操作;X表示全矿区二维高程图;Y2表示边缘平均高程图;Mean表示对图像进行均值滤波;Y3表示二维坡面顶底线数据;-代表逐像素减操作。
根据坡面纵剖面的性质,可以在坡顶处的局部邻域内求z轴的平均值,坡顶处是平均值/>小于坡顶处的z值;而在坡底处则是平均值/>大于坡底处的z值,如图3所示:
(5);
本发明将公式(5)的复杂计算过程转化为公式(4)基于图像的顶底线分类运算,在二维坡面顶底线数据中,像素值小于零的为坡顶线,大于零的为坡底线,顶、底线分类结果精确,分类效率高。
在步骤S32中,依据二维坡面顶底线数据,进行鸟瞰投影的逆投影处理,得到坡面顶底线三维点云数据。具体来说,根据BEV(鸟瞰投影)投影的逆过程,将二维坡面顶底线数据逆投影回三维点云,得到坡面顶底线三维点云数据。
在步骤S33中,针对坡面顶底线三维点云数据,进行有序化以及拟合,得到坡面顶底线矢量数据。具体来说,对三维点云数据进行有序化以及拟合,得到最终的坡面顶底线矢量数据。
图2显示了根据本发明的一个实施例的一种露天矿区坡面顶底线自动提取、分类和更新方法的过程框架图。
本发明提出的坡面顶底线提取、分类和更新方法如图2所示。
首先,使用无人机、矿车或挖机进行数据采集。其中,无人机用于首次的全矿数据采集,矿车或挖机用于日常的更新数据采集。采集数据用于构建或所需的全局或局部点云地图,并进行BEV(Bird's Eye View,鸟瞰视角)投影,得到全局或局部二维高程图。局部二维高程图用于更新全局二维高程图。
然后,通过设计的图像运算进行滤波,得到二维标准差图。随后通过阈值分割得到平整度二值图,经过滤波运算得到坡面二值图。接着通过边缘检测算法提取坡面的边缘,即得到坡面边缘二值图。
接着,利用设计的图像运算进行坡顶坡底线的分类,得到二维坡面顶底线数据。最后将坡面顶底线数据逆投影回三维空间并进行拟合,即可得到带有标签的坡面顶底线矢量数据。
本发明提供的一种露天矿区坡面顶底线自动提取、分类和更新方法还可以配合一种计算机可读取的存储介质,存储介质上存储有计算机程序,执行计算机程序以运行一种露天矿区坡面顶底线自动提取、分类和更新方法。计算机程序能够运行计算机指令,计算机指令包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
计算机可读取的存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,计算机可读取的存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读取的存储介质不包括电载波信号和电信信号。
根据本发明的另一个方面,还提供了一种露天矿区坡面顶底线自动提取、分类和更新系统,执行一种露天矿区坡面顶底线自动提取、分类和更新方法,系统包含:更新模块、提取模块、分类模块。
在一个实施例中,更新模块针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;提取模块依据全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;分类模块依据坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
综上,本发明提供了一种露天矿区坡面顶底线自动提取、分类和更新方法,与现有技术相比,具备以下优势:
1)本发明将原本复杂耗时的三维空间标准差计算过程转化为基于图像的标准差运算,使得运算过程十分高效,能够大大提升运算效率;
2)本发明将原本复杂耗时的坡顶处局部邻域求z轴平均值的计算过程转化为基于图像的顶底线分类运算,使得运算过程十分高效,只需要通过像素值的大小就能够快速实现坡顶线与坡底线的分类;
3)本发明能够实现日常更新,能够实现坡面顶底线数据点的增量更新;
4)本发明能够实现高效的露天矿区坡面顶底线提取,实现基于图像运算的坡顶线与坡底线分类,实现基于多智能体的坡面顶底线动态更新,不需人工参与,属于自动化的露天矿区坡面顶底线提取、分类和更新完整解决方案。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
某些术语在本申请文件中自始至终用来指示特定系统部件。如本领域的技术人员将认识到的那样,通常可以用不同的名称来指示相同的部件,因而本申请文件不意图区别那些只是在名称上不同而不是在功能方面不同的部件。在本申请文件中,以开放的形式使用术语“包括(comprise)”、“包含(include)”和“具有(have)”,并且因此应将其解释为意指“包括但不限于…”。此外,在本文中可能使用的术语“基本上”、“实质上”或者“近似地”涉及行业所接受的对相应术语的容差。如在本文中可能采用的术语“耦合”包括直接耦合和经由另外的组件、元件、电路、或者模块的间接耦合,其中对于间接耦合来说,介于其间的组件、元件、电路、或模块不更改信号的信息但是可调整其电流水平、电压水平、和/或功率水平。推断的耦合(例如其中一个元件通过推断耦合至另一个元件)包括以与“耦合”同样的方式在两个元件之间的直接和间接的耦合。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
本发明的实施例是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,所述方法包含:
针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;
依据所述全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;
依据所述坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
2.如权利要求1所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,通过以下步骤得到所述全局点云数据以及所述局部点云数据:
对目标矿区进行首次全局采集,得到全局定位数据以及全局激光雷达数据;
通过所述全局定位数据对所述全局激光雷达数据进行拼接,得到所述全局点云数据;
对目标矿区进行日常局部采集,得到局部定位数据以及局部激光雷达数据;
通过所述局部定位数据对所述局部激光雷达数据进行拼接,得到所述局部点云数据。
3.如权利要求1所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,通过以下步骤得到所述全矿区二维高程图:
将所述全局点云数据以及所述局部点云数据进行鸟瞰视角投影,计算得到每个点在图像中的像素坐标,并将每个点的z轴坐标值作为像素值进行存储,得到全局二维高程图以及局部二维高程图;
如果处于更新阶段,根据所述局部二维高程图的所述像素坐标替换所述全局二维高程图中的对应区域,得到更新后的所述全矿区二维高程图。
4.如权利要求3所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,通过以下表达式计算得到每个点在图像中的像素坐标:
;
其中:(x_idx, y_idx)表示点经过鸟瞰投影后的像素坐标;(x, y, z)表示点的三维点云坐标;res为鸟瞰投影的分辨率。
5.如权利要求1所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,基于图像的所述坡面提取运算包含以下步骤:
基于所述全矿区二维高程图,进行基于图像的标准差运算,得到二维标准差图;
使用标准差阈值对所述二维标准差图进行阈值分割,得到平整度二值图;
对所述平整度二值图进行滤波,使用面积阈值去除噪声区域,得到坡面二值图;
使用边缘检测算法检测所述坡面二值图中的坡面边缘,得到所述坡面边缘二值图像。
6.如权利要求5所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,通过以下表达式进行基于图像的标准差运算,得到所述二维标准差图:
;
其中:X1表示第一中间结果;Mean表示对图像进行均值滤波;X表示全矿区二维高程图;X2表示第二中间结果;X3表示二维标准差图;Sqrt表示对图像进行平方根运算;平方、平方根、减分别表示对图像进行逐个像素的平方、开方、减运算。
7.如权利要求1所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,基于图像的所述坡面顶底线分类运算包含以下步骤:
基于所述坡面边缘二值图,进行基于图像的顶底线分类运算,得到二维坡面顶底线数据,其中,所述二维坡面顶底线数据中像素值小于零的为坡顶线,大于零的为坡底线;
依据所述二维坡面顶底线数据,进行鸟瞰投影的逆投影处理,得到坡面顶底线三维点云数据;
针对所述坡面顶底线三维点云数据,进行有序化以及拟合,得到所述坡面顶底线矢量数据。
8.如权利要求7所述的一种露天矿区坡面顶底线自动提取、分类和更新方法,其特征在于,通过以下表达式进行基于图像的顶底线分类运算,得到所述二维坡面顶底线数据:
;
其中:Y1表示边缘高程图;E表示坡面边缘二值图;•表示逐像素相乘操作;X表示全矿区二维高程图;Y2表示边缘平均高程图;Mean表示对图像进行均值滤波;Y3表示二维坡面顶底线数据;-代表逐像素减操作。
9.一种存储介质,其特征在于,其包含用于执行如权利要求1-8中任一项所述的一种露天矿区坡面顶底线自动提取、分类和更新方法的指令。
10.一种露天矿区坡面顶底线自动提取、分类和更新系统,其特征在于,执行如权利要求1-8中任一项所述的方法,所述系统包含:
更新模块,其针对目标矿区,通过局部点云数据对全局点云数据进行更新,以处理得到全矿区二维高程图;
提取模块,其依据所述全矿区二维高程图,进行基于图像的坡面提取运算,以得到坡面边缘二值图;
分类模块,其依据所述坡面边缘二值图,进行基于图像的坡面顶底线分类运算,以得到坡面顶底线矢量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346181.7A CN117952823A (zh) | 2024-03-26 | 2024-03-26 | 一种露天矿区坡面顶底线自动提取、分类和更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346181.7A CN117952823A (zh) | 2024-03-26 | 2024-03-26 | 一种露天矿区坡面顶底线自动提取、分类和更新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117952823A true CN117952823A (zh) | 2024-04-30 |
Family
ID=90792896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410346181.7A Pending CN117952823A (zh) | 2024-03-26 | 2024-03-26 | 一种露天矿区坡面顶底线自动提取、分类和更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117952823A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN110675392A (zh) * | 2019-09-29 | 2020-01-10 | 山东科技大学 | 一种基于路面连续激光点云的车辙精细三维特征提取方法 |
CN111735733A (zh) * | 2020-06-05 | 2020-10-02 | 长江水利委员会长江科学院 | 一种获取弃渣场松散渣料天然密度的方法 |
CN113593017A (zh) * | 2021-08-02 | 2021-11-02 | 中南大学 | 露天矿地表三维模型构建方法、装置、设备及存储介质 |
CN114332042A (zh) * | 2021-12-30 | 2022-04-12 | 广东正业科技股份有限公司 | 一种半导体分立元件线型检测方法及检测设备 |
CN114894052A (zh) * | 2021-12-03 | 2022-08-12 | 本钢板材股份有限公司 | 露天台阶爆破的精准设点方法 |
EP4086846A1 (en) * | 2021-05-03 | 2022-11-09 | The Boeing Company | Automatic detection of a calibration standard in unstructured lidar point clouds |
CN116309284A (zh) * | 2022-12-27 | 2023-06-23 | 中冶沈勘工程技术有限公司 | 坡面顶/底线提取系统及方法 |
CN116385994A (zh) * | 2023-04-13 | 2023-07-04 | 中南大学 | 一种三维道路线提取方法及相关设备 |
CN116452765A (zh) * | 2023-04-19 | 2023-07-18 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种露天矿地质建模系统 |
CN117073664A (zh) * | 2023-10-18 | 2023-11-17 | 中国科学院自动化研究所 | 一种露天矿山道路地形建图方法 |
CN117115372A (zh) * | 2023-08-25 | 2023-11-24 | 东北大学 | 面向大范围大高差露天矿生产平面图快速绘制及更新方法 |
-
2024
- 2024-03-26 CN CN202410346181.7A patent/CN117952823A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN110675392A (zh) * | 2019-09-29 | 2020-01-10 | 山东科技大学 | 一种基于路面连续激光点云的车辙精细三维特征提取方法 |
CN111735733A (zh) * | 2020-06-05 | 2020-10-02 | 长江水利委员会长江科学院 | 一种获取弃渣场松散渣料天然密度的方法 |
EP4086846A1 (en) * | 2021-05-03 | 2022-11-09 | The Boeing Company | Automatic detection of a calibration standard in unstructured lidar point clouds |
CN113593017A (zh) * | 2021-08-02 | 2021-11-02 | 中南大学 | 露天矿地表三维模型构建方法、装置、设备及存储介质 |
CN114894052A (zh) * | 2021-12-03 | 2022-08-12 | 本钢板材股份有限公司 | 露天台阶爆破的精准设点方法 |
CN114332042A (zh) * | 2021-12-30 | 2022-04-12 | 广东正业科技股份有限公司 | 一种半导体分立元件线型检测方法及检测设备 |
CN116309284A (zh) * | 2022-12-27 | 2023-06-23 | 中冶沈勘工程技术有限公司 | 坡面顶/底线提取系统及方法 |
CN116385994A (zh) * | 2023-04-13 | 2023-07-04 | 中南大学 | 一种三维道路线提取方法及相关设备 |
CN116452765A (zh) * | 2023-04-19 | 2023-07-18 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种露天矿地质建模系统 |
CN117115372A (zh) * | 2023-08-25 | 2023-11-24 | 东北大学 | 面向大范围大高差露天矿生产平面图快速绘制及更新方法 |
CN117073664A (zh) * | 2023-10-18 | 2023-11-17 | 中国科学院自动化研究所 | 一种露天矿山道路地形建图方法 |
Non-Patent Citations (1)
Title |
---|
孙伟光;吴祥云;张丹梅;: "露天矿土地复垦综合预控研究", 能源环境保护, no. 02, 15 April 2010 (2010-04-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148196B (zh) | 一种图像处理方法、装置以及相关设备 | |
Zhou et al. | Mapping curbstones in airborne and mobile laser scanning data | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
EP3223191A1 (en) | Creation of a 3d city model from oblique imaging and lidar data | |
Habib et al. | Generation of complex polyhedral building models by integrating stereo-aerial imagery and lidar data | |
Champion et al. | 2D building change detection from high resolution satelliteimagery: A two-step hierarchical method based on 3D invariant primitives | |
CN108399424B (zh) | 一种点云分类方法、智能终端及存储介质 | |
CN113593017A (zh) | 露天矿地表三维模型构建方法、装置、设备及存储介质 | |
CN109215119B (zh) | 受损车辆的三维模型建立方法及装置 | |
Wang et al. | Automatic extraction of building boundaries using aerial LiDAR data | |
JP4674179B2 (ja) | 影認識方法及び影境界抽出方法 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
KR101014125B1 (ko) | 지능형 자동차를 위한 교통 표지판 검출 방법 및 상기 방법을 실행하는 시스템 | |
CN117073664B (zh) | 一种露天矿山道路地形建图方法 | |
CN113096181B (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
Belton et al. | Automating post-processing of terrestrial laser scanning point clouds for road feature surveys | |
CN117952823A (zh) | 一种露天矿区坡面顶底线自动提取、分类和更新方法 | |
JP5347117B2 (ja) | 地物抽出装置 | |
CN116222593A (zh) | 一种露天矿区地图众包采集及构建装置 | |
Cserép et al. | Effective railroad fragmentation and infrastructure recognition based on dense lidar point clouds | |
Liu et al. | Color component–based road feature extraction from airborne lidar and imaging data sets | |
CN115830254A (zh) | 地图更新方法、装置、无人车以及系统 | |
CN111476879A (zh) | 一种点云数据的处理方法、终端及存储介质 | |
CN115512330A (zh) | 基于图像分割与激光雷达点云补全的物体检测方法 | |
Vu et al. | LiDAR signatures to update Japanese building inventory database |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |